讲述银行家算法

前言

​ 银行家算法(Banker’s Algorithm)是一个避免死锁(Deadlock)的著名算法,是由艾兹格·迪杰斯特拉在1965年为T.H.E系统设计的一种避免死锁产生的算法。它以银行借贷系统的分配策略为基础,判断并保证系统的安全运行,这种算法的提出能保证银行在发送贷款的时候,不会发生不满足所有用户需要的情况。

算法介绍

参数

  • 可用资源向量 Available, 此时系统的资源保有量及还剩下多少资源
  • 最大需求矩阵 Max ,每个线程所需要的各资源总量
  • 分配矩阵 Allocation 每个线程已经占有的资源数
  • 需求矩阵 Need 此时每个线程还需要的资源数

Need = Max - Allocation

银行家算法的计算过程

假设,此时一个线程发出了资源请求,Request(a,b,c) 及假设中资源一共有3个,而此线程此时请求各需要 a,b,c

  1. 首先,我们判断Request是否小于Need 中各资源,如果大于说明它不符合之前提供的最大需求量,报错。小于则跳转到第二步
  2. 其次,我们判断Request是否小于Available ,true -----> 第三步,否则失败,此时资源不够
  3. 系统试探的把资源分配给此线程,并修改如下几个参数
    • Available[] = Available[] - Request[]
    • Allocation[] = Allocation[] + Request[]
    • Need[] = Need[] - Request[]
  4. 系统经过安全性检测,判断是否安全来决定是否分配。

安全性检测

(1) 设置两个工作向量WORK:=AVAILABLE;FINISH[i]=FALSE ;

(2) 从进程集合中找到一个满足下述条件的线程

a. FINISH[i]=FALSE

b. NEED<=WORK

如找到,执行(3);否则,执行(4)。

(3) 当线程获得资源,可顺利执行,直至完成,从而释放资源。

WORK:=WORK+ALLOCATION ;

FINISH[i]:=TRUE ;

GO TO (2)

(4) 如所有的线程FINISH[i]=TRUE,则表示安全;否则系统处于不安全状态。

总结

简单的说,银行家算法是在线程提供自己需求总量基础上进行的,并根据需求总量Max - 占有量Allocation = 需求量Need。并试探性的分配资源,通过安全性检测判断是否可以形成一个安全序列,最终得到是否分配的结果。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LFM(Latent Factor Model)算法是一种基于矩阵分解的推荐算法,主要用于解决推荐系统中的用户评分预测问题。其核心思想是将用户评分矩阵分解成用户因子矩阵和物品因子矩阵的乘积,通过学习这两个矩阵中的因子,得到用户和物品的潜在特征,从而预测用户对未评分物品的评分。 具体来说,假设有N个用户和M个物品,我们可以将用户评分矩阵R表示为一个N*M的矩阵,其中R[i][j]表示用户i对物品j的评分(如果用户i没有对物品j评分,则R[i][j]=0)。为了预测用户对未评分物品的评分,我们需要将R矩阵分解成两个因子矩阵P和Q的乘积,即: R ≈ P * Q^T 其中,P是一个N*K的矩阵,Q是一个M*K的矩阵,K表示潜在因子的个数。P矩阵的每一行表示一个用户的潜在因子向量,Q矩阵的每一行表示一个物品的潜在因子向量。 为了得到P和Q矩阵,我们需要定义一个损失函数,来衡量预测值与真实值之间的差距。一般来说,损失函数可以采用均方差(MSE)或交叉熵(Cross-Entropy)等。以均方差为例,我们可以定义如下的损失函数: L = Σ(i,j) (R[i][j] - P[i,:] * Q[j,:].T)^2 + λ(||P||^2 + ||Q||^2) 其中,λ是正则化参数,用于防止过拟合。最小化损失函数可以采用梯度下降等优化算法进行求解。 在得到P和Q矩阵之后,我们可以利用它们来预测用户对未评分物品的评分。具体来说,对于一个用户i和一个物品j,我们可以预测其评分为: R_hat[i][j] = P[i,:] * Q[j,:].T 其中,R_hat表示预测的评分值。 LFM算法的优点是可以利用用户和物品的潜在因子,发现它们之间的关系,从而预测用户对未评分物品的评分。同时,LFM算法的计复杂度相对较低,可以处理大规模的推荐系统。缺点是需要手动设定潜在因子的个数K,且容易受到数据稀疏性的影响。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值